如何建设一个数据治理大数据平台解决方案​？

分享一份《数据治理大数据平台解决方案》希望对你有帮助。

内容较长，防止后续找不到，建议先收藏！

1、数据管理一体化工作平台

整体思路：数据融合、数据治理、开放共享、数据唤醒

建设目标：聚合数据、统一治理、开放服务、智能应用

建设原则：标准先行、融合提升、开放创新、循序渐进

整体架构：一套标准、一个仓库、三个中心，构建一个系统

一套标准：基础数据标准、数据集成标准、数据模型规范、数据治理规范、数据服务规范等5大类26个标准规范

数仓技术架构：“分布式数据仓库+传统数据仓库”相结合的融合架构

数仓逻辑架构：数据同构层、数据加工层、数据集市层

数据治理：数据质量、数据安全、数据运维、元数据（数据资产）

应用创新：用户画像、数据挖掘、基因图谱、自助查询

技术引擎：Hive、Spark Streaming、MPP、Spark+MLlib

建设成果：数据资源平台、数据管理平台、数据服务平台、数据分析工具

三位一体：大数据平台、数据云平台、决策支持系统

数据中台：大数据仓库、数据治理中心、数据应用中心、数据服务中心

建设原则：开放性、统一性、扩展性、安全性、维护性

建设策略：夯实基础、丰富应用、加强管控、加强创新

总体架构：数据中台+业务中台、数据治理中心+数据服务中心+数据应用中心

应用架构

数据架构

技术架构

数据治理中心：“5化9管理”，数据标准规范化、数据采集全面化、数据管理流程化、数据资产可视化、数据质量度量化

数据治理中心：数据标准、数据采集、数据加工、数据存储、数据知识、数据质量、数据安全、数据运维、元数据

数据资产：目录、检索、报告、分析等，数据资产价值最大化

元数据管理：数据地图、血缘关系、影响分析

数据质量：完整性、准确性、一致性、及时性，全生命周期闭环管理，保障数据质量持续提升

知识管理：建设数据管理知识库，方法与经验沉淀共享

数据服务中心：数据加工服务、数据分发服务、数据共享服务、数据提供服务

本文来自公众号：BAT大数据架构

更多数据治理相关文章:数据治理博客园 | 巨人肩膀